콘텐츠
벡터 그래픽과 달리 비트 맵은 이미지 크기를 상당히 조정하는 데 충분한 데이터를 제공하지 않습니다. 이미지를 확대하려고하면 원래 기록 된 픽셀보다 더 많은 데이터가 필요합니다. 이 문제를 해결하기 위해 이미지 크기 조정은 "보간"이라는 기술을 사용하여 인접 구성 요소의 값을 기반으로 누락 된 픽셀을 "추측"합니다. 두 가지 보간 기법 인 bicubic 및 bilinear는 특히 이미지 처리에서 일반적입니다.
쌍 입방 및 쌍 선형
이중 선형 보간은 상대적으로 간단한 기술이며 "가장 가까운 이웃"보간보다 훨씬 복잡하지 않습니다. 여기에서 인접한 픽셀을 단순히 복사하여 픽셀 간격을 채 웁니다. 각 "누락 된"픽셀 (이미지를 확장하기 위해 생성해야하는 픽셀)에 대해 이중 선형 방법은 대각선 모서리에 가장 가까운 4 개의 점을 사용하고 값을 평균하여 중앙 픽셀을 생성합니다. 반면 바이 큐빅 보간은 가장 가까운 4 개의 대각선 픽셀뿐만 아니라 가장 가까운 점 (총 16 픽셀)도 사용합니다.
쌍 입방 보간의 장점
모든 보간 방법은 새로운 데이터 생성에 의존하기 때문에 크기가 조정 된 이미지는 정보의 원시 콘텐츠 측면에서 보간 기술간에 똑같이 충실합니다. 차이점은 주로 뷰어가 이미지를 인식하는 방식에 있으며 쌍 입방 보간은 더 많은 데이터를 사용하므로 일반적으로 결과가 더 규칙적입니다. 이 방법은 "아티팩트"또는 이미지 품질을 현저하게 저하시키는 눈에 띄는 픽셀의 발생이 적어 이중 선형 보간보다 더 규칙적인 곡선을 만듭니다.
계산 속도
바이 큐빅 보간의 규칙 성을 높이면 처리 시간 측면에서 상당한 비용이 발생합니다. 바이 큐빅 방법에 사용되는 알고리즘과 공식은 훨씬 더 복잡합니다. 따라서 쌍 선형 보간은 매우 빠르며 "가장 가까운 이웃의 계산"보다 약간 느리지 만 쌍 입방 보간은 때때로 크기에 따라 느립니다. 이것은 속도가 필수적이거나 최종 이미지의 규칙 성이 그다지 중요하지 않은 상황에서이 방법을 덜 바람직하게 만듭니다.
응용
이미지의 크기를 늘려야하고이 작업에 소요되는 시간이 중요하지 않은 경우 쌍 입방 보간은 더 높은 품질을 볼 수있는보다 규칙적인 결과를 제공합니다. 그러나이 방법이 추가 픽셀을 사용한다는 사실은 이미지가 확대되지 않고 축소 될 때 단점이 될 수 있습니다. 그 경우 더 많은 픽셀이 폐기되거나 변경되기 때문입니다. 이러한 경우, bilinear 방법에 사용되는 상대적으로 적은 수의 픽셀은 더 적은 결함으로 더 즐거운 결과를 생성 할 수 있습니다.